Agent AI za tysiące robi to samo co prosta automatyzacja za kilkadziesiąt dolarów: agent-washing w małych firmach

Firma dostaje zapytanie z formularza. System sprawdza, czy klient podał numer telefonu, dopisuje kontakt do CRM, wysyła potwierdzenie, tworzy zadanie dla handlowca i po 24 godzinach przypomina o braku odpowiedzi. Pięć kroków, zero decyzji wymagających inteligencji. Mimo to coraz częściej taki mechanizm jest sprzedawany jako „agent AI obsługujący leady”.

Technicznie może nawet wykorzystywać model językowy. Tyle że obecność GPT, Claude’a czy Gemini w jednym z modułów nie zmienia zwykłego workflow w autonomicznego agenta. Jeżeli kolejne działania są z góry ustalone, system nie planuje, nie dobiera samodzielnie narzędzi i nie podejmuje decyzji na podstawie zmieniającego się kontekstu, mamy przede wszystkim automatyzację procesu. Czasami bardzo dobrą. Problem zaczyna się wtedy, gdy etykieta „agent AI” podnosi wycenę wdrożenia z kilkuset lub kilku tysięcy złotych do poziomu kilkunastu tysięcy, choć biznesowo klient dostaje niemal dokładnie to samo.

To zjawisko można nazwać agent-washingiem: prostemu scenariuszowi automatyzacji nadaje się agentową narrację, bo słowo „agent” sprzedaje się dziś lepiej niż „integracja formularza z CRM”.

Najpierw narysuj proces. Agent bardzo często znika już na kartce

Najłatwiejszy test nie wymaga dostępu do kodu ani wiedzy programistycznej. Trzeba rozpisać proces w postaci kolejnych warunków.

Przykład dla małej firmy usługowej:

1. klient wysyła formularz,

2. system sprawdza, czy pole e-mail nie jest puste,

3. kontakt trafia do HubSpot, Pipedrive albo Livespace,

4. klient dostaje wiadomość potwierdzającą,

5. lead zostaje przypisany do konkretnego handlowca,

6. po 24 godzinach bez zmiany statusu pojawia się przypomnienie.

To jest klasyczna automatyzacja deterministyczna. Dla tych samych danych wejściowych powinna wykonać te same akcje. Nie ma powodu, żeby model językowy decydował, czy rekord należy zapisać w CRM, skoro decyzję można opisać jednym warunkiem jeżeli / to.

Takie procesy można budować m.in. w Make, Zapierze, n8n, Power Automate albo bezpośrednio w mechanizmach automatyzacji CRM.

Różnica w kosztach samej infrastruktury jest znacząca. W sierpniu 2026 r. Make Core przy limicie 10 tys. kredytów miesięcznie kosztuje 12 USD miesięcznie, a Make Pro przy takim samym limicie 21 USD. Standardowa operacja bez AI zużywa zasadniczo jeden kredyt. Dodatkowe kredyty ponad pakiet są rozliczane z narzutem 25 proc.

W n8n model jest inny. Starter kosztuje 20 euro miesięcznie przy płatności rocznej i obejmuje 2500 pełnych wykonań workflow, niezależnie od liczby kroków w pojedynczym przepływie. Pro kosztuje 50 euro miesięcznie i obejmuje 10 tys. wykonań. To ma znaczenie przy długich procesach: scenariusz składający się z kilkunastu modułów może ekonomicznie wyglądać inaczej w Make, gdzie liczone są operacje, niż w n8n, gdzie podstawą rozliczenia jest pełne wykonanie workflow.

Zapier Professional zaczyna się od 19,99 USD miesięcznie przy rozliczeniu rocznym. Tu trzeba patrzeć przede wszystkim na liczbę zadań, ponieważ każde wykonywane działanie może zużywać kolejne taski.

Już z tych liczb wynika istotna rzecz: koszt narzędzia potrzebnego do automatyzacji typowego procesu w mikrofirmie często mieści się w przedziale kilkunastu–kilkudziesięciu dolarów lub euro miesięcznie. Oczywiście dochodzi koszt konfiguracji, utrzymania, monitoringu błędów i ewentualnych API. Nie oznacza to, że wykonawca powinien pracować za 50 dolarów. Oznacza natomiast, że wysoka cena wdrożenia musi wynikać z realnej złożoności projektu, a nie ze zmiany nazwy „scenariusz” na „agent”.

Dobrym sygnałem ostrzegawczym jest sytuacja, gdy dostawca nie potrafi odpowiedzieć na proste pytanie:

Jaką decyzję ten agent podejmuje samodzielnie, której nie można zapisać jako zwykłego warunku?

Jeżeli odpowiedź brzmi: „agent analizuje formularz, zapisuje dane i wysyła e-mail”, prawdopodobnie płacisz za marketingowe opakowanie automatyzacji.

Agent ma sens tam, gdzie nie da się rozpisać wszystkich ścieżek z góry

Prawdziwy przypadek użycia agenta zaczyna się tam, gdzie wejście jest nieustrukturyzowane, liczba możliwych sytuacji jest duża, a kolejna akcja zależy od interpretacji kontekstu.

Wyobraźmy sobie skrzynkę biuro@firma.pl. Wpadają na nią:

• zapytania ofertowe,

• reklamacje,

• faktury,

• pytania obecnych klientów,

• CV,

• spam,

• wiadomości od dostawców,

• prośby o zmianę terminu realizacji.

Klasyczny workflow świetnie poradzi sobie z wiadomością zawierającą jednoznaczny identyfikator, konkretny nadawcę lub ustalony temat. Gorzej, jeżeli klient napisze: „Dzień dobry, zamawialiśmy u państwa montaż w zeszłym tygodniu, ale ekipa nie dokończyła pracy i chciałbym wiedzieć, co dalej”.

Tu model może najpierw rozpoznać intencję, wyodrębnić numer zamówienia z treści lub historii korespondencji, odszukać klienta w CRM, sprawdzić status zlecenia i dopiero wtedy wybrać dalszą akcję. Jeszcze bardziej agentowy charakter pojawia się wtedy, gdy system może zdecydować, czy:

• pobrać historię klienta,

• sprawdzić kalendarz technika,

• odczytać dokumentację produktu,

• przygotować projekt odpowiedzi,

• utworzyć reklamację,

• przekazać sprawę człowiekowi.

To nie oznacza jednak, że należy automatyzować cały proces bez kontroli. W małej firmie rozsądniejsza architektura często wygląda tak: AI interpretuje, klasyfikuje lub przygotowuje propozycję, natomiast deterministyczny workflow wykonuje operacje krytyczne.

Model może ocenić, że klient prawdopodobnie prosi o zwrot pieniędzy. Nie powinien jednak automatycznie wykonać przelewu tylko dlatego, że tak zinterpretował wiadomość.

Podobnie z rabatami. Agent może przygotować propozycję odpowiedzi i zasugerować 10 proc. rabatu na podstawie polityki firmy, ale samo zatwierdzenie rabatu powyżej określonego progu powinno wymagać reguły albo akceptacji człowieka.

To jeden z elementów, które w prezentacjach sprzedażowych są często pomijane. Agent jest mniej przewidywalny niż zwykła automatyzacja. Model może inaczej zinterpretować podobne wiadomości, użyć niewłaściwego narzędzia, wygenerować błędny argument albo podjąć zbyt szeroką akcję, jeśli uprawnienia zostały zaprojektowane bez ograniczeń.

Dochodzi również koszt zużycia modeli.

W Zapierze od czerwca 2026 r. kroki AI są rozliczane według mnożników. Warstwa Standard zużywa bazowo 1x liczbę tasków, Advanced 3x, a Premium 5x. Wywołania dodatkowych narzędzi zwiększają zużycie według tej samej stawki. Jeden „agentowy” przebieg może więc kosztować wielokrotnie więcej jednostek rozliczeniowych niż prosty Zap.

Make stosuje własny system kredytowy. Przy standardowych modułach jedna operacja odpowiada jednemu kredytowi, ale wykorzystanie wbudowanych usług AI może uwzględniać zarówno operacje, jak i liczbę tokenów. Przy podłączeniu własnego dostawcy modelu firma płaci Make za operacje, a OpenAI, Anthropicowi czy innemu dostawcy osobno za tokeny.

Niedogodność jest bardzo praktyczna: koszt agenta jest trudniejszy do przewidzenia. Trzy wiadomości klientów mogą uruchomić trzy zupełnie różne ścieżki. Jeden przypadek zakończy się pojedynczą klasyfikacją, drugi wywoła CRM, wyszukiwarkę dokumentacji i pocztę, a trzeci wykona serię prób, zanim system uzyska potrzebne dane.

Dlatego przy agentach nie wystarczy pytanie „ile kosztuje miesięczny abonament?”. Trzeba znać również:

• maksymalną liczbę wywołań narzędzi na jedno zadanie,

• limit tokenów,

• limit prób po błędzie,

• koszt przekroczeń,

• zasady ponawiania operacji,

• limit wydatków na API,

• sposób zatrzymania procesu, gdy agent zaczyna wykonywać nieoczekiwane akcje.

Jeżeli wykonawca nie wdraża takich ograniczeń, otrzymujemy nie tyle zaawansowany system AI, ile droższą i mniej przewidywalną automatyzację.

Jak rozpoznać agent-washing przed podpisaniem umowy

Największym błędem kupującego jest pytanie: „Co potrafi wasz agent?”. Dostawca może wtedy zademonstrować efektowną rozmowę, dynamiczne odpowiedzi i kolorowy panel. Znacznie więcej mówi pytanie: co agent robi inaczej niż zwykły workflow?

Poproś o rozpisanie jednej kompletnej operacji.

Załóżmy, że system ma „automatycznie obsługiwać leady”. Dostawca powinien pokazać:

• co uruchamia proces,

• jakie dane trafiają do modelu,

• jakie decyzje podejmuje model,

• które kroki są zwykłymi regułami,

• do jakich aplikacji agent ma dostęp,

• jakie operacje może wykonywać samodzielnie,

• kiedy proces zatrzymuje się i wymaga człowieka,

• ile kosztuje przeciętne oraz skrajnie drogie wykonanie.

Jeżeli diagram pokazuje:

formularz → GPT tworzy wiadomość → CRM → e-mail

to AI wykonuje tu właściwie jedną funkcję: generuje tekst. Reszta jest automatyzacją.

Jeżeli natomiast schemat wygląda mniej więcej tak:

wiadomość klienta → analiza problemu → wybór źródła danych → pobranie historii → decyzja o kolejnym narzędziu → ocena wyniku → kolejna akcja lub eskalacja

mamy znacznie mocniejszy argument za rozwiązaniem agentowym.

Drugi test dotyczy liczby możliwych ścieżek. Jeśli można je rozsądnie opisać na jednej stronie dokumentacji, zwykle lepiej zacząć od reguł. Reguły są tańsze, łatwiejsze w audycie i prostsze do poprawienia, kiedy księgowa, handlowiec albo właściciel firmy powie: „od przyszłego miesiąca faktury powyżej 10 tys. zł mają trafiać do mnie”.

Trzeci test to awaria.

Zapytaj wykonawcę wprost: co się stanie, gdy model popełni błąd?

Dobra odpowiedź powinna wskazywać konkretne zabezpieczenia: whitelistę dozwolonych działań, ograniczenia uprawnień, progi kwotowe, walidację danych, logi, retry, kolejkę błędów, możliwość ręcznego zatwierdzenia i mechanizm wyłączenia procesu.

Słaba odpowiedź brzmi mniej więcej: „agent będzie się uczył”.

To nie jest mechanizm bezpieczeństwa.

W polskiej firmie trzeba dodatkowo spojrzeć na dane osobowe. Jeżeli do modelu trafiają e-maile klientów, numery telefonów, CV, dane zamówień albo historia reklamacji, firma musi ustalić dokąd te dane są wysyłane, na jakiej podstawie są przetwarzane, kto jest procesorem i jakie obowiązują zasady retencji. Sam fakt, że interfejs agenta wygląda nowocześnie, nie zastępuje analizy RODO i umów z dostawcami.

Od 2 sierpnia 2026 r. obowiązują również unijne wymogi przejrzystości z art. 50 AI Act dotyczące określonych systemów AI. W przypadku interaktywnego systemu, w którym klient rzeczywiście rozmawia z AI, trzeba uwzględnić obowiązek jasnego poinformowania użytkownika, że kontaktuje się ze sztuczną inteligencją, a nie człowiekiem. Kupując „agenta do obsługi klienta”, nie można więc patrzeć wyłącznie na demo i cenę wdrożenia.

Najbardziej praktyczny model zakupu wygląda inaczej: najpierw wycenia się wersję bez agenta, potem wersję z pojedynczym użyciem AI, a dopiero na końcu pełny wariant agentowy.

Dla procesu obsługi leadów może to oznaczać trzy poziomy:

Poziom 1 — automatyzacja: formularz, walidacja, CRM, przypisanie opiekuna i wiadomość e-mail.

Poziom 2 — automatyzacja z AI: to samo, ale model klasyfikuje treść zapytania albo przygotowuje spersonalizowaną odpowiedź.

Poziom 3 — agent: system sam dobiera działania, sprawdza różne źródła, korzysta z kilku narzędzi i na podstawie rezultatów decyduje o kolejnych krokach.

Dopiero zestawienie kosztu, ryzyka i czasu obsługi tych trzech wariantów pokazuje, czy autonomia rzeczywiście daje firmie przewagę.

Nie należy też przesadzać w drugą stronę. Agent nie jest oszustwem tylko dlatego, że kosztuje kilka lub kilkanaście tysięcy złotych. Przy integracji kilku systemów, kontroli dostępu, projektowaniu narzędzi, testach scenariuszy brzegowych, logowaniu decyzji, obsłudze błędów i przygotowaniu środowiska produkcyjnego większą częścią kosztu nie jest model AI, lecz inżynieria dookoła niego. To uzasadniony koszt, jeśli rzeczywiście została wykonana.

Agent-washing zaczyna się wtedy, gdy klient płaci za tę złożoność, mimo że jej w rozwiązaniu nie ma.

FAQ

Czy każda automatyzacja wykorzystująca GPT jest agentem AI?
Nie. Model może być jednym z kroków zwykłego workflow, np. klasyfikować wiadomość lub tworzyć opis produktu. Agent powinien mieć możliwość wyboru kolejnych działań na podstawie kontekstu, a nie tylko wykonywać z góry ustalony ciąg kroków.

Ile kosztuje prosta automatyzacja miesięcznie?
Samo narzędzie może kosztować około 12–50 USD lub euro miesięcznie przy typowym obciążeniu małej firmy. Make Core startuje od 12 USD miesięcznie za 10 tys. kredytów, Zapier Professional od 19,99 USD miesięcznie przy płatności rocznej, a n8n Starter od 20 euro miesięcznie przy płatności rocznej. Osobno trzeba policzyć wykonanie i utrzymanie integracji.

Kiedy warto dopłacić do agenta?
Gdy proces wymaga interpretowania nieustrukturyzowanych informacji, samodzielnego wyboru narzędzi i podejmowania kolejnych decyzji na podstawie wyników poprzednich kroków. Jeśli wszystkie ścieżki można łatwo rozpisać w regułach, agent zwykle tylko zwiększa koszt i liczbę potencjalnych awarii.

Czy agent może całkowicie zastąpić pracownika w obsłudze klienta?
W prostych sprawach może przejąć dużą część pracy, ale pełna autonomia zwiększa ryzyko błędnych decyzji. Reklamacje, zwroty pieniędzy, zmiany umów, wysokie rabaty i nietypowe przypadki powinny mieć próg eskalacji do człowieka.

Jakie pytanie zadać dostawcy przed zakupem?
Poproś o wskazanie jednej decyzji podejmowanej autonomicznie przez agenta oraz pokaż pełny diagram procesu. Jeżeli po usunięciu modułu AI zostaje działający ciąg „trigger → warunek → akcja”, najpierw wyceń zwykłą automatyzację.

Pierwszy krok jest więc konkretny: weź proces, za który masz zapłacić, i oznacz każdą czynność jako regułę, generowanie AI albo autonomiczną decyzję. Jeżeli kolumna „autonomiczna decyzja” pozostaje pusta, nie kupuj jeszcze agenta. Poproś o drugą wycenę tego samego procesu jako zwykłej automatyzacji. Dopiero różnica w efekcie biznesowym — nie w nazwie technologii — powinna uzasadniać wyższą cenę.

Więcej informacji na: https://itux.pl